紋理特征提取與分類研究.pdf

1、紋理是圖像中非常重要的特征，它為圖像識別和理解提供了大量的信息。早期的紋理分析方法都是建立在單一尺度上，而小波分析是一種新興的多分辨率分析方法，它所具有的時頻局部化能力，使得它更適合于圖像的處理。支持向量機(jī)是一種通用學(xué)習(xí)機(jī)器，是統(tǒng)計學(xué)習(xí)理論的一種實現(xiàn)方法，它較好地實現(xiàn)了結(jié)構(gòu)風(fēng)險最小化思想。支持向量機(jī)通過核函數(shù)將輸入向量映射到一個高維的特征空間，并在該特征空間中構(gòu)造最優(yōu)分類面，從而解決原空間數(shù)據(jù)的線性不可分問題。由于其優(yōu)越的性能，近年來獲

2、得了廣泛的應(yīng)用。 本文基于支持向量機(jī)方法對紋理圖像的分類問題進(jìn)行了較為深入的研究，所做工作主要有以下幾點： (1)提出了一種基于離散平穩(wěn)小波變換(SWT)和灰度共生矩陣的紋理分類方法。 該方法結(jié)合了小波分析的多尺度性和灰度共生矩陣的統(tǒng)計特性，首先使用SWT 對要分類的紋理圖像進(jìn)行分解，然后計算原始圖像及分解后的低頻和各層高頻平均的灰度共生矩陣，進(jìn)而將得到的二階統(tǒng)計量作為紋理圖像的特征向量，最后運用支持向量機(jī)實現(xiàn)紋理

3、圖像的分類。 (2) 針對尺度與旋轉(zhuǎn)不變性的圖像紋理分類問題，提出了一種基于對數(shù)極坐標(biāo)變換(Log-Polar)和支持向量機(jī)的特征提取與分類方法，利用對數(shù)極坐標(biāo)變換將旋轉(zhuǎn)和尺度變化轉(zhuǎn)變?yōu)槠揭?，減少了旋轉(zhuǎn)和尺度變化的影響，再利用具有平移不變性的離散平穩(wěn)小波變換消除平移，以此來提取紋理特征，最后利用支持向量機(jī)實現(xiàn)紋理圖像的分類。 (3) 改進(jìn)了非下樣的Contourlet 變換，提出了一種新的基于離散平穩(wěn)小波變換和無下采樣方向濾